Die Regressionsanalyse dient der Bestimmung des Zusammenhangs zwischen einer abhängigen Variablen und eine oder auch mehrere unabhängige Variablen. Mithilfe der Regressionsanalyse kann also geprüft werden, ob ein vermuteter Zusammenhang existiert oder nicht. Hierzu ein kleines Beispiel: Wir fragen uns wie sich der Gebrauch von Online-Erklärvideos auf den Lernerfolg auswirkt. In diesem Fall wären die Online-Erklärvideos unsere unabhängige Variable, welche gegebenenfalls auf unsere abhängige Variable, den Lernerfolg, wirkt. Führt Konsum von vielen Erklärvideos zu besseren Noten oder haben Online-Erklärvideos gar keinen Einfluss auf den Lernerfolg. Um diesen Zusammenhang empirisch zu überprüfen können wir nun Gebrauch von einer Regressionsanalyse machen. Die lineare Regression-Gerade kann auch grafisch dargestellt werden. auf der X-Achse befindet sich die unabhängige Variable und auf der Y-Achse befindet sich die abhängige Variable. Die Werte sind jeweils die gemessenen Werte, die wir durch unsere Datenauswertung erhalten haben. Die Regressionsanalyse nach der Methode der kleinsten Quadrate versucht nun eine Gerade zu konzipieren, bei der die Abstände zu den einzelnen Achsen also den Beobachtungen am geringsten ist. Das Ziel ist es also den Abstand zwischen der errechneten Geraden und den eigentlichen Beobachtungswerten zu minimieren, um mögliche Fehler so klein wie möglich zu halten. In unserem Fall haben wir es mit einem positiven Zusammenhang zu tun, da ein Anstieg der unabhängigen Variablen zu einem Anstieg der abhängigen Variablen führt. Führt ein Anstieg der unabhängigen Variablen jedoch zu einem Rückgang der abhängigen Variablen dann haben wir es mit einem negativen Zusammenhang zu tun und wenn die unabhängige Variable steigt oder fällt, dies aber zu keiner Veränderung der abhängigen Variablen führt, liegt gar kein Zusammenhang vor.